用数据做决策—大家都在寻找的无限手套

数据 • May 24, 2019

1. 寻找无限手套

5月8日，JLL仲量联行在北京举办首届“房地产之未来-2019中国房地产科技论坛暨展览会”。极海凭借在地产智能投策环节的落地实践，受邀成为地产创新科技企业代表。极海CEO王昊分享了极海线下决策创新实践的经验与思考。王昊认为，“虽然数据越来越多，数据量越来越大，但大家做线下决策时，依旧觉得不够用，决策并没有变得更客观更聪明。而从极海的创业实践里发现，**让机器帮助做决策**是件非常创新且有效的事情。比如让机器给地块打标签，并从中找出规律和特征，在商业场景中能很好的为决策提供支撑”。

王昊的发言引起了现场地产业内人士的共鸣。他们到极海展台仔细了解极海如何把数据、地理和智能化分析相结合，在地产、零售、规划等场景落地。总结下来，大家普遍关注三个问题：**数据从哪里来？哪些分析方法更为有效？这些数据和分析方法如何为我所用？**一位商业地产投资经理的描述就很具代表性，他们每年要考察100多个投资标的，最终只会投资两三个。每一次YES or NO都是一次审慎决策，都希望有足够的数据和分析来支撑。大家都在寻找适合自己的无限手套，打个响指就能知道答案。

2. 拥抱地理思维

JLL高级副总裁Wayne Geary博士认为，“数据库本身很难理解，但当你将这些信息可视化时，你肯定能更快地做出业务决定。我们使用地理可视化的方法帮助客户了解他们正在处理的问题”。极海是**地理思维的积极倡导者和实践者，通过地理维度的可视化和分析**，能够让你站在新的视角获取更多的信息。举个例子，2017年6月亚马逊以137亿美元收购全食超市。公众对这笔收购产生诸多猜测，亚马逊看中了全食什么呢？我的同事S君从地理角度进行分析，得到了一些有意思的结论。

S君选取了全食在美国所有的门店，共460家。对每个门店生成1小时开车距离的覆盖区域，并对出现大量重合的地方进行合并，结果如下图所示。从分布看，全食门店巧妙的涵盖了所有美国大都市区域（对比下文中的Kroger，会发现其在西海岸、东北纽约、波士顿地区和东南沿海的覆盖较弱）。用1小时驾驶覆盖区域叠加美国家庭人口和收入数据，就能轻松计算出全食能覆盖的家庭数、人口数、收入水平等。计算结果显示，全食460家门店覆盖了美国总人口2.3亿，占美国总人口的72%，覆盖面积100万平方公里，占美国国土面积10%。

作为对比，S君选取了在美国更接近普通大众消费的Kroger做同样的分析，结果如下图所示。Kroger是美国最大的生鲜超市，年收入1153亿美元，有接近2800家门店。全食在美国有460家门店，就数量而言，Kroger要比全食多很多。从驾车1小时覆盖范围来看，全食覆盖人口数量占到美国总人口的72%，而总覆盖面积仅占美国总面积的10%。也就是说，通过店面布局的精心考量，全食做到了**低成本高效率**。假设亚马逊是为了完善物流体系，提供更加便捷的送货上门服务，那么对于三倍体量的Kroger来说，全食优势巨大。

3. 数据分析三步走

我们非常感慨全食在选址上的功力，一方面顾及了客群的上门访问。另一方面用尽量少的门店，覆盖最多的客群，给生鲜食材送货上门这项服务打下了非常好的房地产基础。上述分析过程并不难想到，关键在于要站在**地理这个视角。在JLL的房地产科技论坛，我们了解到大量这样的需求。比如，投资经理想快速判断这座写字楼是否值得收购？房地产开发企业想快速判断这块地多少钱拿能赚钱？体育彩票销售点开在哪里销量更好... 看似需求类似但场景大不同。不同场景会涉及到不同的领域知识、数据和分析方法**。虽然不存在一把万能钥匙能解决所有问题，但经过长期实践，极海总结了一套用数据分析解决这类需求场景的有效方法 — 数据分析三步走。

第一步，隐性思维显性化。据统计，人的大脑皮层70%的活动都在处理视觉信息，看的同时大脑其实就像一台高速运转的计算机，快速作出判断。隐性思维显性化，就是把隐藏在大脑深处的经验、把隐藏在数据深处的信息，通过可视化的手段直观表达出来，为大脑提供判断依据。比如下图中的房价数据，从一张表格到分级渲染的地图，房价高低分布一目了然。对于数据可视化的价值，可视化领域的大牛Alberto Cairo早有总结。他在一篇通过可视化给女儿讲解宇宙天体运动的文章中说，数据可视化的价值有两点：一是阐述事实，增强你的表达和受众的理解；二是引导思考，激发探索和交流。

第二步，显性思维结构化。得益于数据越来越多，维度越来越丰富，我们可以对诸多场景进行结构化分析。一方面，借助领域知识构建专家系统；另一方面，把更多维度的数据纳入进来，充分发挥大数据技术的优势。下图是基于自然街区和等时圈，通过指标化、结构化的方式对银行网点进行评估。这里要特别强调数据的重要性，结构化的分析依赖高质量、多维度、结构化的数据，比如这里用到的**自然街区**。自然街区的范围划分体现了城市肌理，每个街区统计的人口、学校、商场等指标，更能体现客观真实。以此为基础进行分析，比以往用半径2公里的圆，要客观准确的多。

第三步，结构思维智能化。伴随着移动互联网、物联网、云计算的发展，行业数据正在快速膨胀和汇集，机器获得了更多的“食物”。国内人工智能的发展突飞猛进，核心技术和算法逐渐成熟，不仅算法和模型得以进一步优化，机器还“学习”出了真正有效支撑用户决策的行业知识。这些都极大激励我们大胆使用新的技术、数据和更智能的算法。利用智能化分析，更多的让机器帮我们作分析找规律，遵循科学性原则，靠数据说话、靠算法判断、靠人机协同智能来辅助决策。比如下图中通过训练，我们让机器寻找与样本相似的地块，为商业选址提供决策依据。

4. 打好数据基石

数据是上述分析方式得以实践的基础。虽然现在数据越来越多，数据量越来越大，但具体做决策时大家依然很困惑。因为手里掌握的更多的是业务数据，数据再多是“别人家的数据”，而数据分析需要更多维的数据参与。这也是极海极为重视数据的原因。极海数据团队把自有数据、合作伙伴提供的数据和第三方数据进行清洗、分类，并以此为基础衍生出深度数据产品，比如**自然街区和等时圈**等。这些数据产品分门别类，是极海为用户提供解决方案的基础。

5. 结语：为用户打造无限手套

“以数据为核心，以智能化分析为驱动，提升从个体到整体的效能和价值”已成趋势。但是对于具体决策场景中的用户来说，决策需求与场景落地之间还有一个巨大的鸿沟：**数据从哪里来？哪些分析方法更为有效？这些数据和分析方法如何为我所用？**极海致力于融合云计算、大数据、人工智能技术，用地理思维和方法探索经济及社会生产生活的规律，用地图来可视化行业知识。面对不同的用户场景，极海正在为渴求通过数据做决策的用户打造包含数据、算法和领域知识的解决方案，帮助用户戴上适合自己的无限手套。